基于方向特征的二值商标图像检索方法

文中针对二值商标图像，提出一种基于方向特征的商标图像检索方法。用边界方向直方图表示目标的边界方向特征，图像的相似性度量采用直方图求交算法；用区域方向直方图表示目标的区域方向特征。图像的相似性程度用直方图的相关距离来度量。这两者结合起来得到的方向特征可以同时反映图像的整体形状和轮廓形状。实验表明，方向特征能够有效地描述图像的形状及空间分布信息，取得了令人满意的检索结果。     

一种基于Zernike不变矩和改进的Hough变换的图像检索方法

针对基于内容的图像检索为了解决不变矩只关心对象的区域特征,而忽视了图像边界的缺点,提出Zernike不变矩与改进的Hough变换相结合的方法。改进的Hough变换方法充分利用Hough变换空间的统计信息,对形状的仿射变换具有一定的鲁棒性、易并行处理和良好的几何解析性等优点。该算法有效地融合了图像形状的边缘和区域特征。实验结果表明,在图像检索的综合性能上优于Zernike方法以及基于改进的Hough变换的方法,检索速度快,准确率高。     

基于最小外接圆补偿机制的形状图像检索

提出了一种新的基于最小外接圆补偿机制的二值形状图像检索算法,其不仅提取了目标区域的特征,而且补偿了目标最小外接圆下的背景区域特征。提取常用于描述区域特征的Hu不变矩和Zernike不变矩作为图像特征,不变矩特征具有平移、缩放、旋转不变性。图像相似度用归一化特征向量的欧氏距离表示。该方法不仅计算简单,而且可有效补偿人眼的视觉感受。通过大量实验表明,该算法较仅基于目标区域的检索算法取得了更好的检索精度和回召率。     

基于小波和相对矩的形状特征提取与检索方法

提出了一种基于小波和相对矩的形状特征提取与检索方法。首先，对亮度图像进行小波多尺度边缘检测，得到多尺度边界图像；然后，计算每一尺度的7个不变矩，再转化为10个相对矩，所有尺度上的相对矩组成图像的特征向量；最后，对特征向量进行高斯归一化，用欧氏距离度量图像间的相似度，构建了一个基于形状特征的网像检索系统。实验结果表明，该方法具有明显的优越性和通用性。     

基于区域伪Zernike矩的商标图像检索

研究商标图像检索问题,针对在二值商标图像检索中要求准确、高效,因此确定出目标像素点的区域分布形式,解决商标形状特征,对平移、旋转、比例以及起始点等变化下特征不变性问题,提出了一种基于区域伪Zernike矩的提取图像形状特征的算法。算法根据图像目标区域的最小外接圆进行区域划分,提取区域的伪Zernike矩来描述图像形状特征进行商标检索。通过仿真实验证明,区域伪Zernike矩的提取图像形状特征的算法具有良好的平移,旋转及比例不变性,并用有较强的抗噪性。     

4种矩描述子在形状检索中的性能比较

在基于内容的图象检索(CBIR)中,形状是图象的主要低层特征之一.人们虽已经提出了许多表示形状的方法,然而大多数方法都要假定知道形状的边界信息,在一般情况下,形状的边界是无法获取的.基于区域的描述子不但适用于一般形状,而且具有很强的抗噪声和抗失真能力.通过对下列4种区域形状描述符的研究和比较几何不变矩(GMD),Legendre矩(LMD)、Zernike矩(ZMD)以及正交的Fourier-Mellin矩(OFMMD),并在一个由400多幅图象组成的形状库上进行的检索试验表明,从计算复杂度、稳健性、分层表示以及检索性能来考虑,Zernike矩是4种矩当中最适合于进行形状检索的描述符.     

目标边界点集的层次化描述及其形状检索应用

提出用于轮廓线形状和区域形状图像检索的形状描述方法,该方法将目标形状的边界（包括内边界）表示为一个无序的点集,沿各方向对点集的迭代分割,建立层次化的边界点集描述模型.通过对各层形状边界的分割比和分散度的几何特征度量,产生各层的形状特征描述,对它们进行组合,建立对目标形状的层次化描述.两个目标形状的差异性度量定义为它们的层次化描述子的L-1距离.该方法具有：（1）通用性.能够描述轮廓线形状和区域形状这两种不同类型的形状;（2）可扩展性.基于所提出的分层描述框架,可以将分割比和分散度这两种几何度量进行扩展,纳入更多其他几何特征度量,以进一步提高形状描述的精度;（3）多尺度描述特性.提出的分层的描述机制,使得描述子具有内在的由粗到细的形状表征能力;（4）较低的计算复杂性.由于仅仅计算目标图像的边界像素点,使得算法具有较高的计算效率.用MPEG-7 CE-2区域形状图像库和MPEG-7 CE-1轮廓线形状图像库这两个标准测试集对该方法进行评估,并与同类的其他形状描述方法进行比较,实验结果表明：提出的方法在综合考虑检索精确率、检索效率和一般应用能力等指标的情况下,其性能上要优于各种参与比较的方法.     

用分块图像特征进行商标图像检索

提出一种使用全局和局部图像特征检索商标图像的方法．首先确定图像的形状主方向，根据形状主方向对图像进行旋转；然后对旋转后的图像提取目标区域，对目标区域用四叉树分解的方法划分多级分块；最后抽取分块图像特征进行图像相似性度量．对图像库中2000幅商标图像实验表明，分块图像特征具有良好的旋转、平移、尺度和变形不变性，得到的检索结果能够很好地满足人的视觉感受．     

基于分块权重和相关反馈技术改进Zernike矩描述符的执行效率

Zernike矩是一种基于区域的形状描述符,它适合于描述具有复杂边界的目标。原始的Zernike矩描述符认为形状中任何位置的像素都具有相同的重要性,基于此,提出了一种改进的Zernike矩描述符。它首先采用预定义的两个半径值对原始形状进行分块,提取各分块的Zernike矩值作为图像的形状特征向量,然后采用相关反馈信息和各分块间的距离方差来动态调整各个分块的权值系数,根据欧式距离来计算图像间的相似度。改进的Zernike矩描述符可以根据人类视觉特征灵活确定形状各部分的重要性,而且相关反馈技术使得提取出来的图像更加接近用户的需求。实验结果表明,该方法能够有效地改善基于形状特征的检索效果。     

基于形状特征和颜色的服装图像检索

提出将基于内容的图像检索用于电子购物中,首先利用不变矩的形状特征检索,为提高检索效果引入离心率特征,接着再利用改进的颜色直方图进行检索。通过实验证明该方法的有效性和可行性。     

利用小波进行基于形状和纹理的图像分类

提出一种基于小波的形状和纹理联合特征的图像分类方法。先对图像进行二维小波变换以得到边缘图像，再提取边缘图像的7个边界不变矩组成图像的形状特征向量；在实验中，发现大多数情况下，图像背景的干扰信息大于其对分类的贡献，因此对图像去除其背景，然后在灰度共现矩阵的基础上，计算5个二次统计量作为其纹理特征；最后联合形状和边缘特征向量，并对其进行高斯归一化，用SVM进行分类。结果表明，该方法具有明显的优越性和较强的实用性。     

利用小波和矩进行基于形状的图象检索

形状是图象中目标的重要特征,基于形状的图象检索近来在基于内容的图象库系统和管理和应用中得到越来越多的重视。现已研制的系统存在两个问题。一是性能的不稳定性;二是相对平移,旋转和尺度变换的变化性,针对上问题,该文提出了一种新的基于形状的图象检索算法。此算法先对亮度图象图象进行小波模极大值变换以得到多尺度的边界图象,再利用７个不变矩提取每一尺度边界图象的特征,所有尺度上的矩共同组成图象的特征向量。图象的     

Object matching using deformable templates

We propose a general object localization and retrieval scheme based on object shape using deformable templates. Prior knowledge of an object shape is described by a prototype template which consists of the representative contour/edges, and a set of probabilistic deformation transformations on the template. A Bayesian scheme, which is based on this prior knowledge and the edge information in the input image, is employed to find a match between the deformed template and objects in the image. Computational efficiency is achieved via a coarse-to-fine implementation of the matching algorithm. Our method has been applied to retrieve objects with a variety of shapes from images with complex background. The proposed scheme is invariant to location, rotation, and moderate scale changes of the template     

利用熵和矩进行二值商标图象检索

商标图象的检索在图象库系统管理和应用中得到了越来越多的重视。检索商标图象,形状特征的提取是关键。文章提出了一种新的提取商标图象形状特征的算法。该算法从信息论的角度出发,综合利用图象信息熵及不变矩的特性来描述商标图象的形状特征。该方法算法简单,实验证明具有良好的平移、旋转及尺度不变性,且抗干扰性能良好。     

形状和颜色混合不变量在图像检索中的应用

多视觉特征的图像检索是当前基于内容的图像检索领域的重要方向.已有的多特征的检索主要通过线性加权的方法对特征进行组合,但这种组合方式仅实现了代数意义上的合并,未能真正利用和发掘特征间存在的相互关系,并且权重值不容易确定,检索结果易受权重值的影响.针对这一问题,提出一种形状-颜色混合不变特征的构造方法,特征提取的过程包含同时对形状、颜色信息的抽取,直接构造出能够同时对形状仿射变换和颜色对角-偏移变换具有不变性的特征,也称作形状-颜色矩不变量.首先分别在图像的2维几何空间、3维颜色空间定义形状核、颜色核,然后对形状核、颜色核的乘积进行多重积分,最后做规范化,就得到一个不变量.理论上,通过选择不同的形状核、颜色核可以推导出无穷多的不变量.实验结果表明,该方法优于加权组合特征的方法;与加权特征、局部特征相比,形状-颜色矩不变量对于同一物体不同成像条件下的近复制图像、整体属性相似的图像、大体类似的物体图像等表现出较高的检索性能及效率.     

Retrieval of images of man-made structures based on projective invariance

In this paper we propose a geometry-based image retrieval scheme that makes use of projectively invariant features. Cross-ratio (CR) is an invariant feature under projective transformations for collinear points. We compute the CRs of point sets in quadruplets and the CR histogram is used as the feature for retrieval purposes. Being a geometric feature, it allows us to retrieve similar images irrespective of view point and illumination changes. We can retrieve the same building even if the facade has undergone a fresh coat of paints! Color and textural features can also be included, if desired. Experimental results show a favorably very good retrieval accuracy when tested on an image database of size 4000. The method is very effective in retrieving images having man-made objects rich in polygonal structures like buildings, rail tracks, etc.     

Visual object retrieval via block-based visual-pattern matching

This paper presents an object-based image retrieval using a method based on visual-pattern matching. A visual pattern is obtained by detecting the line edge from a square block using the moment-preserving edge detector. It is desirable and yet remains as a challenge for querying multimedia data by finding an object inside a target image. Given an object model, an added difficulty is that the object might be translated, rotated, and scaled inside a target image. Object segmentation and recognition is the primary step of computer vision for applying to image retrieval of higher-level image analysis. However, automatic segmentation and recognition of objects via object models is a difficult task without a priori knowledge about the shape of objects. Instead of segmentation and detailed object representation, the objective of this research is to develop and apply computer vision methods that explore the structure of an image object by visual-pattern detection to retrieve images from a database. A voting scheme based on generalized Hough transform is proposed to provide object search method, which is invariant to the translation, rotation, scaling of image data, and hence, invariant to orientation and position. Computer simulation results show that the proposed method gives good performance in terms of retrieval accuracy and robustness.     

纹理图像识别中的旋转不变性分析

在对纹理图像进行分类识别过程中,许多具有相同纹理特性的不同图像经常在方向上呈现多样性。这些图像应该被归为一类。针对这一问题,有许多方法可以得到旋转不变性特征,例如：几何矩,正交矩,灰度共生矩阵等,然而,前两种方法计算量很大,第三种方法效果也不令人满意。提出了一种基于灰度-梯度共生矩阵的方法来得到旋转不变特征量,并且提出了一种快速计算灰度-梯度共生矩阵的算法。实验表明利用灰度-梯度共生矩阵的方法得到旋转不变量的方法非常有效,快速计算灰度-梯度共生矩阵的算法也大大减小了计算量。